该课程涵盖了从道路行车道检测、交通标志识别到自动驾驶的深度学习应用，深入讲解了卷积神经网络的原理和实践，包括数据预处理、模型训练、图像增强等关键步骤，适合初学者入门。
课程目录
任务100：道路行车道检测代码讲解.mp4
任务101：在图像和视频上面演示道路行车道检测.mp4
任务102：项目介绍.mp4
任务103：交通指示牌识别的简介.mp4
任务104：交通指示牌识别课程的编程任务.mp4
任务105：如何分析数据 (util.py 的详细介绍).mp4
任务106：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)01.mp4
任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4
任务108：色彩空间转换.mp4
任务109：直方图均衡.mp4
任务10：问答环节.mp4
任务110：图像标准化.mp4
任务111：使用ImageDataGenerator做图像增强.mp4
任务112：作业上传的要求.mp4
任务113：介绍经典交通指示牌卷积神经网络模型.mp4
任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4
任务115：卷积神经网络的数学原理01.mp4
任务116：卷积神经网络的数学原理02.mp4
任务117：深度学习调参-直播-01.mp4
任务118：深度学习调参-直播-02.mp4
任务119：深度学习调参-直播-03.mp4
任务11：环境安装.mp4
任务120：卷积层的启发.mp4
任务121：卷积层的定量分析.mp4
任务122：单通道输入
最低0.47元/天 解锁文章
765
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
